迁移学习的用法

现有模型的使用及修改

  以VGG16为例:
  vgg_true = torchvision.models.vgg16(pretrained=True)
  vgg_false = torchvision.models.vgg16(pretrained=False)
  
  # 在主要模块中添加一层
  vgg16_true.add_module('add_linear',nn.Linear(1000,10))
  
  # 在classifier中添加一层
  vgg16_true.classifier.add_module('add_linear',nn.Linear(1000,10))
  
  # 修改某一层
  vgg16_false.classifier[6]=nn.Linear(4096,10)
  
  #删掉某一层
  del vgg16.classifier[6]
  
  
GPU训练方式:网络模型、数据(输入,标注)、损失函数
   1、模型转为cuda:mdoel.cuda()
   2、损失函数转为cuda: loss.cuda()
   3、从dataloader中出来的:imgs = imgs.cuda()
      从dataloader中出来的:targets = targets.cuda()
   第二种写法:model.to(device)
   4、gpu上训练的模型在cpu上使用，需要映射
      model = torch.load('gpu.pth',map_location=torch.device('cpu'))